1. 最小的K个数
题目描述
输入n个整数,找出其中最小的K个数。例如输入4,5,1,6,2,7,3,8这8个数字,则最小的4个数字是1,2,3,4。
思路
Java 中的PriorityQueue是一个基于优先级堆的无界优先级队列。优先级队列的元素按照其自然顺序进行排序,或者根据构造队列时提供的 Comparator 进行排序,具体取决于所使用的构造方法。优先级队列不允许使用 null 元素。依靠自然顺序的优先级队列还不允许插入不可比较的对象(这样做可能导致 ClassCastException)。
此队列的头是按指定排序方式确定的最小元素。如果多个元素都是最小值,则头是其中一个元素——选择方法是任意的。队列获取操作 poll、 remove、peek 和 element 访问处于队列头的元素。
关于PriorityQueue的更多介绍可以查看:https://blog.csdn.net/x_i_y_u_e/article/details/46381481。
关于采用PriorityQueue实现最大堆和最小堆,可以参考:http://www.cnblogs.com/yongh/p/9945539.html
选择最小的k个数可以用冒泡排序,复杂度为O(n*k),有点高。最经典的方法是使用最大堆,每次取数与堆顶的元素进行比较,如果堆顶元素大,则删除堆顶元素,并添加这个新数到堆中。
Java没有堆的实现,现场写也来不及,有的文献说用TreeSet,比如剑指offer,但是TreeSet是一个set,相同的数只能存一个,相比之下,Java中的PriorityQueue倒是一个不错的选择。
代码
通过PriorityQueue写法:
import java.util.*; public class Solution { public ArrayList<Integer> GetLeastNumbers_Solution(int[] input, int k) { if (input == null || k <= 0 || k > input.length) { return new ArrayList<Integer>(); } Queue<Integer> queue = new PriorityQueue<>(k, new Comparator<Integer>() { //降序 @Override public int compare(Integer o1, Integer o2) { return o2 - o1; } }); for (int i = 0; i < input.length; i++) { if(queue.size() == k){ if(queue.peek() > input[i]){ queue.poll(); queue.add(input[i]); } }else{ queue.add(input[i]); } } ArrayList<Integer> list = new ArrayList<>(queue); return list; } }
自己实现大顶堆写法:
import java.util.*; public class Solution { public ArrayList<Integer> GetLeastNumbers_Solution(int [] input, int k) { ArrayList<Integer> list = new ArrayList<>(); if (input == null || k <= 0 || k > input.length) { return list; } int[] kArray = Arrays.copyOfRange(input,0,k); // 创建大根堆 buildHeap(kArray); for(int i = k; i < input.length; i++) { if(input[i] < kArray[0]) { kArray[0] = input[i]; maxHeap(kArray, 0); } } for (int i = kArray.length - 1; i >= 0; i--) { list.add(kArray[i]); } return list; } public void buildHeap(int[] input) { for (int i = input.length/2 - 1; i >= 0; i--) { maxHeap(input,i); } } private void maxHeap(int[] array,int i) { int left=2*i+1; int right=left+1; int largest=0; if(left < array.length && array[left] > array[i]) largest=left; else largest=i; if(right < array.length && array[right] > array[largest]) largest = right; if(largest != i) { int temp = array[i]; array[i] = array[largest]; array[largest] = temp; maxHeap(array, largest); } } }
2. 数据流中的中位数
题目描述
如何得到一个数据流中的中位数?如果从数据流中读出奇数个数值,那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值,那么中位数就是所有数值排序之后中间两个数的平均值。我们使用Insert()方法读取数据流,使用GetMedian()方法获取当前读取数据的中位数。
思路
创建优先级队列维护大顶堆和小顶堆两个堆,并且小顶堆的值都大于大顶堆的值,2个堆个数的差值小于等于1,所以当插入个数为奇数时:大顶堆个数就比小顶堆多1,中位数就是大顶堆堆头;当插入个数为偶数时,使大顶堆个数跟小顶堆个数一样,中位数就是 2个堆堆头平均数。也可使用集合类的排序方法。
代码
import java.util.Comparator; import java.util.PriorityQueue; public class Solution { PriorityQueue<Integer> minHeap = new PriorityQueue<>(); PriorityQueue<Integer> maxHeap = new PriorityQueue<>(new Comparator<Integer>() { @Override public int compare(Integer o1, Integer o2) { return o2.compareTo(o1); } }); int count = 0; public void Insert(Integer num) { count++; //当数据个数为奇数时,进入大根堆 if((count & 1) == 1){ minHeap.add(num); maxHeap.add(minHeap.poll()); }else{ maxHeap.add(num); minHeap.add(maxHeap.poll()); } } public Double GetMedian() { if(count == 0){ return null; } // 当数据个数是奇数时,中位数就是大根堆的顶点 if ((count & 1) == 1) { return Double.valueOf(maxHeap.peek()); } else { return Double.valueOf((minHeap.peek() + maxHeap.peek())) / 2; } } }